基于大语言模型重写故事的葡萄牙语叙事性别偏见研究数据集

数据集概述

本数据集为葡萄牙语文学作品语料库，用于研究大语言模型生成叙事中的性别偏见。语料库含五百九十二部作品，经筛选后得两万八千三百一十七个句子、七十七万四千五百一十六个词，作品覆盖不同历史时期与文学风格，每部最多取一百句以平衡分布。

文件详解

• metadata.csv：CSV格式，含语料库元数据，字段包括cid（作品ID）、title（标题）、author（作者）、genre（体裁）、year（年份）、source（来源）
• raw_texts.zip：ZIP格式压缩包，可能包含原始葡萄牙语文学作品文本
• processed.zip：ZIP格式压缩包，可能包含经处理的葡萄牙语文学作品文本

适用场景

• 自然语言处理研究：分析大语言模型生成葡萄牙语叙事的性别偏见特征
• 计算语言学分析：探究葡萄牙语文学作品的语言结构与性别相关表达模式
• 性别研究：挖掘文学文本中隐含的性别刻板印象及叙事差异
• 语料库语言学：构建葡萄牙语文学语料库并开展多维度统计分析